基于dify知识库+Qwenmax+rookie_text2data实现自然语言查询

之前一篇文章实践了一下基于dify+qwenmax+rookie_text2data实现自然语言查询Mysql数据库，这个方案存在必定的缺陷，rookie_text2data这个节点基于大模型理解生成SQL时候需要去库里查询schemal，理解库表结构，给SQL输出带了不稳定性。为了改善效果，今天带来基于知识库的方案。

第一，把数据库表结构导出成txt文件，在dify知识库页面点击“创建知识库”，如下图：

选择导入已有文本，把提前导出的表结构txt文件选中，点击下一步进入如下界面：

此处，我们选择通用的分段方式，分段的长度比较重大，需要确保分段的长度能划分一个建表SQL语句，分段重叠长度主要指前后两段重合度。

索引方式我们选择高质量，Embedding模型选择通义的text-embedding-v3，检索设置中Rerank模型选择gte-rerank,点击保存处理后，就会自动分段，并对分段后的内容进行向量化处理。

接下来，我们新建一个chatflow，在开始节点后新增一个知识库节点：

查询变量设置sys.query，知识库选择我们刚刚新建的表结构知识库，输出变量使用默认即可；

在知识库节点后增加一个大模型节点，用于把知识库命中的结果发送给大模型，让大模型生成待执行的SQL:

上下文选择知识库输出的结果，提示词中需要把知识库的输出结果也加入，模型节点输入内容默认text类型；

下面再增加一个代码执行节点，用于从大模型返回的结构化的json中提取出来SQL：

到此节点输出的就是一个可执行的SQL，我们再新增一个工具，选择rookie_execute_sql来执行SQL，获取执行结果给到输出即可。

下面为了演示图表生成能力，新增了两个节点，一个代码执行节点把SQL执行结果转成图表要用的格式：

一个工具节点，在插件市场安装rookie_data_alchemy后即可使用

最终呈现的效果如下：